| #!/usr/bin/env питон | |
| импорт ОС | |
| система импорта | |
| импортировать аргумент | |
| импорт json | |
| импорт _jsonnet | |
| импортный атрибут | |
| парсер = argparse.ArgumentParser() | |
parser. add_argument(‘режим’, help=»preprocess/preprocess-dev/train/eval/eval-wo-infer») | |
| parser.add_argument(‘exp_config_file’, help=»jsonnet файл для экспериментов») | |
| parser.add_argument(‘—model_config_args’, help=»дополнительные переопределения аргументов конфигурации модели») | |
| parser.add_argument(‘—logdir’, help=»необязательное переопределение для logdir») | |
| parser.add_argument(‘—backend_ditributed’, type=str, default=»nccl», help=»backend для передачи в torch.distributed.init_process_group») | |
| parser.add_argument(‘—partition’, help=»дополнительный выбор раздела (для предварительной обработки)») | |
| аргументов = parser. parse_args() | |
| из text2qdmr.commands import preprocess, train, infer, eval | |
| из реестра импорта text2qdmr.utils | |
| импортная горелка | |
| по умолчанию синхронизировать(): | |
| «»» | |
| Вспомогательная функция для синхронизации (барьер) между всеми процессами, когда | |
| с использованием распределенного обучения | |
| «»» | |
| , если не torch. distributed.is_available(): | |
| возврат | |
| , если не torch.distributed.is_initialized(): | |
| возврат | |
| world_size = torch.distributed.get_world_size() | |
| , если world_size == 1: | |
| возврат | |
| факел.распределенный.барьер() | |
| num_gpus = int(os.environ[«WORLD_SIZE»]), если «WORLD_SIZE» в os.environ else 1 | |
| args. distributed = num_gpus > 1 | |
| , если args.distributed: | |
| утвердить «LOCAL_RANK» в os.environ | |
| local_rank = int(os.environ[«LOCAL_RANK»]) | |
| факел.cuda.set_device(local_rank) | |
| torch.distributed.init_process_group(backend=args.backend_ditributed) | |
| синхронизировать() | |
| print(«Работает с {} GPU, это GPU {}».format(num_gpus, local_rank)) | |
| иначе: | |
| print(«Работа с 1 GPU») | |
| @attr. s | |
| класс PreprocessConfig: | |
| конфиг = attr.ib() | |
| config_args = attr.ib() | |
| @attr.s | |
| класс TrainConfig: | |
| конфиг = attr.ib() | |
| config_args = attr.ib() | |
| logdir = attr.ib() | |
| имя = attr.ib() | |
| @attr. s | |
| класс InferConfig: | |
| конфиг = attr.ib() | |
| config_args = attr.ib() | |
| logdir = attr.ib() | |
| Раздел | = attr.ib() |
| beam_size = attr.ib() | |
| вывод = attr.ib() | |
| шаг = attr.ib() | |
| strict_decoding = attr.ib (по умолчанию = False) | |
| режим = attr.ib(default=»infer») | |
| лимит = attr. ib(по умолчанию=Нет) | |
| часть = attr.ib(по умолчанию=’паук’) | |
| перемешивание = attr.ib(по умолчанию=False) | |
| output_history = attr.ib (по умолчанию = False) | |
| данные = attr.ib (по умолчанию = нет) | |
| @attr.s | |
| класс EvalConfig: | |
| конфиг = attr.ib() | |
| config_args = attr.ib() | |
| logdir = attr. ib() | |
| Раздел | = attr.ib() |
| вывод = attr.ib() | |
| вывод = attr.ib() | |
| eval_tb_dir = attr.ib() | |
| vis_dir = attr.ib() | |
| часть = attr.ib(по умолчанию=’паук’) | |
| данные = attr.ib (по умолчанию = нет) | |
| virtuoso_server = attr.ib (по умолчанию = Нет) | |
| по умолчанию main(): | |
| exp_config = json. loads(_jsonnet.evaluate_file(args.exp_config_file)) | |
| model_config_file = exp_config[«model_config»] | |
| , если «model_config_args» в exp_config: | |
| model_config_args = exp_config[«model_config_args»] | |
| , если args.model_config_args не None: | |
| model_config_args_json = _jsonnet.evaluate_snippet(«», args.model_config_args) | |
| model_config_args.update(json.loads(model_config_args_json)) | |
| model_config_args = json.dumps(model_config_args) | |
| elif args.model_config_args не None: | |
| model_config_args = _jsonnet. evaluate_snippet(«», args.model_config_args) | |
| иначе: | |
| model_config_args = Нет | |
| logdir = args.logdir или exp_config[«logdir»] | |
| имя = exp_config[«имя»] | |
| , если args.mode == «предварительная обработка»: | |
| preprocess_config = PreprocessConfig(model_config_file, model_config_args) | |
| preprocess.main(preprocess_config, partition=args.partition) | |
| elif args. mode == «поезд»: | |
| train_config = TrainConfig(файл_конфигурации_модели, | |
| model_config_args, logdir, имя) | |
| train.main(train_config, Distributed=args.distributed) | |
| elif args.mode в («eval», «eval-wo-infer»): | |
| , если model_config_args: | |
| config = json.loads(_jsonnet.evaluate_file(model_config_file, tla_codes={‘args’: model_config_args})) | |
| иначе: | |
| конфигурация = json.loads(_jsonnet.evaluate_file(model_config_file)) | |
| model_preproc = register. instantiate( | |
| register.lookup(‘модель’, config[‘модель’]).Preproc, | |
| конфиг[‘модель’]) | |
| данных = {} | |
| для раздела в exp_config[«eval_section»]: | |
| print(‘Загрузить набор данных, {} часть’.format(section)) | |
| orig_data = register.construct(‘набор данных’, конфигурация[‘данные’][раздел]) | |
| orig_data.examples = model_preproc.load_raw_dataset(раздел, пути=config[‘данные’][раздел][‘пути’]) | |
| orig_data.examples_with_name = {ex.full_name: ex for ex in orig_data. examples} | |
| данные[раздел] = исходные_данные | |
| для шага в exp_config[«eval_steps»]: | |
| infer_output_path = f»{exp_config[‘eval_output’]}/{exp_config[‘eval_name’]}-step{step}.infer» | |
| , если args.mode == «eval»: | |
| infer_config = InferConfig( | |
| model_config_file, | |
| модель_config_args, | |
| логдир, | |
| exp_config[«eval_section»], | |
| exp_config[«eval_beam_size»], | |
| infer_output_path, | |
| шаг, | |
| strict_decoding=exp_config. get(«eval_strict_decoding», Ложь), | |
| лимит=exp_config.get(«лимит», нет), | |
| shuffle=exp_config.get(«shuffle», False), | |
| часть=exp_config.get(«часть», ‘паук’), | |
| данные=данные, | |
| ) | |
| infer.main(infer_config) | |
| eval_output_path = f»{exp_config[‘eval_output’]}/{exp_config[‘eval_name’]}-step{step}.eval» | |
| eval_config = EvalConfig( | |
| model_config_file, | |
| модель_config_args, | |
| логдир, | |
| exp_config[«eval_section»], | |
| infer_output_path, | |
| eval_output_path, | |
| exp_config[«eval_tb_dir»], | |
| vis_dir=exp_config. get(«vis_dir»), | |
| часть=exp_config.get(«часть», ‘паук’), | |
| данные=данные, | |
| виртуальный_сервер=exp_config.get(«виртуальный_сервер»), | |
| ) | |
| eval_output_path = eval.main(eval_config) | |
| res_json = json.load(open(eval_output_path)) | |
| print(‘exec’, step, res_json[‘total_scores’][‘ex_val’], res_json[‘total_scores’][‘ex_test’]) | |
| если __name__ == «__main__»: | |
| основной() |
ОБНОВЛЕНИЕ 6-Яндекс поднимает цену IPO в интернет-ажиотаже
Алина Селюх, Ольга Попова
6 минут чтения
* Ценовой диапазон повышен до $24-25 с $20-$22 — источник IPO привлекло до $1,3 млрд
* Крупнейшая в России поисковая система (добавляет волатильность рынка, комментарии аналитиков по торгам, историю)
НЬЮ-ЙОРК/МОСКВА, 23 мая (Рейтер) — Российская интернет-компания Яндекс в понедельник повысила ориентировочную цену для первичного публичного размещения акций Nasdaq, отвечая к сильному спросу со стороны инвесторов после дебюта LinkedIn Corp LNKD. N на прошлой неделе.
Яндекс, самая популярная поисковая система в России, планирует продавать акции по цене от 24 до 25 долларов за штуку, что превышает ранее установленный диапазон от 20 до 22 долларов, сообщил Reuters источник, близкий к проблеме. Ожидается, что цена IPO будет объявлена позднее в понедельник.
При такой цене IPO Яндекса станет крупнейшим среди интернет-компаний с тех пор, как Google GOOG.O привлекла $1,7 млрд в 2004 году. рынки США с 354-процентным скачком в момент своего дебюта в 2005 году.
«Каждая интернет-компания, которая недавно вышла на рынок, хочет стать следующей Baidu.com… Это действительно «Google» Китая», — сказал Энтони Моро. , управляющий директор и глава отдела развивающихся рынков подразделения депозитарных расписок BNY Mellon. 9
Baidu, крупнейшая поисковая система Китая, превратилась в один из ведущих мировых брендов после стремительного роста котировок на бирже Nasdaq в августе 2005 года. растущие интернет-рынки в России и соседних странах. В более высоком ценовом диапазоне его IPO может привлечь до 1,3 миллиарда долларов, чтобы оценить компанию до 8 миллиардов долларов.
«Ходили слухи, что подписка на IPO была в 5-10 раз превышена. И на волне сделок прошлой недели, включая LinkedIn, можно ожидать вполне успешного размещения», — сказал Константин Чернышев, руководитель отдела исследований «Уралсиб» в Москве.
Акции LinkedIn выросли более чем в два раза после IPO компании на прошлой неделе, что напомнило о сомнительных оценках, предшествовавших краху доткомов десять лет назад. [ID:nN1939946]
«Я не знаю, получите ли вы такую огромную популярность (с Яндексом), как с LinkedIn», — сказал Даррен Фабрик, управляющий директор IPO инвестиционной компании IPOX Schuster LLC. Но «в первый день он должен торговаться достаточно хорошо, даже при волатильности рынка».
Акции США закрылись на самом низком уровне за месяц в понедельник, в отличие от устойчивости, наблюдавшейся на рынке во время IPO LinkedIn. [ID:nN23187364]
LinkedIn в настоящее время торгуется в 34 раза больше продаж 2010 года, в то время как акции Google сейчас стоят чуть менее чем в шесть раз больше продаж 2010 года. Если цена IPO Яндекса будет равна 24,50 доллара, то есть средней точке верхнего диапазона, ее акции будут стоить почти в 18 раз больше продаж 2010 года.
Эта оценка «довольно высока», сказал Рик Саммер, технологический аналитик Morningstar. Но с производительностью Baidu и аппетитом инвесторов к высококачественным интернет-акциям Яндекс может поддерживать эти оценки в торговле, сказал он.
Яндекс контролирует 65 процентов российского рынка интернет-поиска, что почти в три раза больше, чем у мирового лидера Google. Поклонники Яндекса также подчеркивают рекордный рост прибыли компании благодаря интернет-рекламе: в 2010 году прибыль выросла на 90% до 135 миллионов долларов при росте продаж на 43 процента до 445 миллионов долларов. [ID:nLDE74I143]
NO QUICK FLIP
Инвесторов может успокоить тот факт, что дуэт, основавший Яндекс в 1997 году — генеральный директор Аркадий Волож и технический директор Илья Сегалович — сохранит большую часть своих активов.
Волож, имеющий степень в области прикладной математики, начал заниматься поисковыми технологиями в 1989 году. Годом позже он основал собственную фирму по разработке поискового программного обеспечения, где к нему присоединился геофизик Сегалович. В 1997 году они запустили сайт yandex.ru, которым в марте пользовались 38 миллионов уникальных пользователей.
Алгоритм поиска Яндекса, первоначально разработанный для поиска по ключевым словам в патентах, русской классической литературе и Библии, стал прорывом, поскольку он учитывал сложные падежные окончания русского языка.
Этот дуэт изобрел название «Яндекс» — где «Я» означает русский эквивалент английского местоимения «Я» — поскольку Сегалович экспериментировал с производными от слов, описывающих суть технологии. Полное название изначально расшифровывалось как «Еще один iINDEX».
Сегодня слово «Яндекс» стало синонимом интернет-поиска в русскоязычных странах, так как люди предлагают «спрашивать у Яндекса» ответы на свои запросы.